过去数十年，人工智能（AI）逐步从科幻概念演变为推动和赋能各行各业变革的核心力量。从早期的基础算法发展至今，AI已掌握了深度学习、自然语言处理和机器视觉等先进技能。特别是今年，生成式人工智能（AIGC）因数据量的激增和计算能力的巨大进步而迅速走红。AI技术已经走出实验室，广泛应用于社会的各个层面。医疗行业不仅反映了人类对健康的基本追求，预示着巨大的未来市场潜力，而且始终站在科技创新的前沿，不断进步。

人工智能的最新科技是否具备为医疗产业带来颠覆性革新的潜力，从而有效解决行业内的关键难题？

AI大模型能否落地医疗领域？

长江证券表示，具体来看，大模型的产业级别应用落地需要满足几个条件：

01

下游需要有足够强的支付能力，这跟大模型的使用涉及较大的算力成本有关。

02

产业需求端的需要具备深度或者广度，人工智能技术应用的本质是提升供给效率，适用于供给有限，需求无限大的场景。

03

场景需要具备较高的容错性，因为大模型当前仍然不可避免“幻觉”的现象，因此使用场景需试错成本可控。

04

最后，考虑到行业竞争因素。大模型落地的行业最好需要具备深厚的数据壁垒或者行业Know-How的场景。

鉴于医疗行业在供需匹配、支付能力以及专业数据壁垒等方面的优势，它已成为人工智能大模型应用的关键领域。

然而，医疗行业对错误容忍度较低，这限制了大模型在某些应用场景的实施，同时，AI在医疗领域的应用也必须在严格的监管框架下进行。

AI赋能，助力医疗资源供需平衡

首先，从我国医疗资源需求的角度来看，当前存在地区和城乡之间医疗资源分配不均的问题，优质医疗资源主要集中在某些区域，同时高级医师的短缺也是一个突出问题。随着人工智能技术的快速发展，其与医疗行业的结合有望提升医疗服务的效率和覆盖范围，从而在一定程度上缓解这些挑战。

长江证券将人工智能大模型在医疗领域的应用分为三个主要类别，这些类别根据实施的难易程度排列，从简单到复杂：

01

简单应用场景，提升医生工作效率：

在提升医生工作效率方面，AI大模型的应用范围广泛，包括但不限于电子病历管理、手术报告生成、检测报告自动化以及护理文书处理。

AI能够自动提取和整理患者的关键信息，快速生成准确的电子病历。它还能通过语音识别和自然语言处理技术，将手术中的语音记录转换为文本，提高记录效率。也可以自动分析检测报告，识别异常结果，并提供参考信息。在护理领域，AI自动生成文书，减轻医护人员的行政负担，从而提升整体工作效率。

02

对话决策的应用场景，实现简单的人力替代：

AI在对话决策领域的应用，如诊前问诊、导诊、诊后报告解读和用药指引，正逐步替代部分人力工作。

AI驱动的自动化系统可以在诊前通过与患者互动收集病史，为医生提供初步诊断参考。在导诊环节，AI根据患者的症状提供可能的疾病诊断和建议的就诊科室。诊后，AI能够解读检查报告，突出重要信息，并提出诊疗建议。此外，AI还能够根据患者的具体情况提供个性化的用药指导，辅助医生制定更合理的治疗方案。

03

复杂的应用场景，辅助疾病诊断和治疗：

在更复杂的应用层面，AI大模型利用大数据和机器学习算法对患者临床数据进行深入分析，辅助医生进行疾病诊断和治疗决策。

AI在医学影像分析中辅助诊断肿瘤、心血管疾病等，通过分析个人健康数据和病史信息预测疾病风险，并提出相应的预防措施。AI还可以根据患者的诊断和药物敏感性推荐最佳治疗方案和用药计划。在医院诊疗中，AI的快速病灶识别能力提高了诊疗的效率和准确度，有助于解决高水平医师短缺的问题。

AI推动医药创新

除了在医疗应用端的广泛应用，AI同样在创新药物研发领域展现出其重要价值。

AlphaFold 2是DeepMind公司的一个人工智能程序。2020年11月30日，该人工智能程序在蛋白质结构预测大赛CASP 14中取得了突破性成就。其对多数蛋白质结构的预测精度达到了与实际结构仅相差一个原子宽度的惊人水平，这与科学家们使用冷冻电子显微镜等高端设备所获得的结果相当，标志着蛋白质结构预测技术的巨大飞跃，在生物学界引起了极大的反响。

目前，AI在医药研发领域的应用正变得越来越广泛，其影响力日益增强：

在药物发现与设计领域，AI大模型通过分析大量的化合物结构和生物活性数据，能够显著加快药物的发现与设计流程。AI能够预测分子的生物活性、选择性和潜在毒性，这有助于研究人员迅速筛选出有治疗效果的候选化合物。

在虚拟筛选领域，AI大模型运用虚拟筛选技术，能在数百万种候选分子中识别出具有治疗潜力的化合物。这种方法显著降低了实验室工作的成本和时间消耗，有效加速了药物研发的步伐。

在药物相互作用预测方面，AI大模型能够预测药物分子与生物体内目标蛋白质的相互作用，这不仅帮助科学家们深入理解药物的作用机制，而且有助于优化药物设计方案，减少不必要的实验过程。

在临床试验设计领域，AI大模型利用临床数据和生物标记物来预测药物在人体内的效果和安全性，为临床试验的设计和执行提供科学依据，从而提升试验成功率和整体效率。

嘉实基金大健康研究总监郝淼博士认为AI在医疗领域有着重要赋能作用。一方面，AI在临床数据分析和解读方面尤为突出，如对医学影像和病理图片的高效处理，极大地辅助了医生的疾病诊断工作。另一方面，在新药研发领域AI的贡献同样不容小觑，它通过加快研发流程和降低成本，显著提升了研发效率。

具体而言，新药研发不仅成本高昂，而且耗时长久。行业内常以“双十”来形容其资金和时间的投入——即超过十亿美元的资金成本和超过十年的时间成本。随着成本的不断攀升，AI在新药研发靶点的预测、结构和疗效关系分析中发挥着越来越重要的作用，助力科学家和制药企业更高效地推动研发进程。

嘉实基金大科技研究总监王贵重博士指出，AI与医疗领域有着共同的基础——神经网络。AI在2016年展示的面部识别技术已被广泛应用于多个领域，证明了其强大的识别能力。在医疗领域，AI通过深度学习，尤其是卷积神经网络（CNN），在提升诊断精度方面起到了关键作用，尤其在X光片和超声片的分析中，AI的识别能力已超越人类。

展望未来，我们对AI赋能医疗的新期待在于生成式AI的发展方向。目前，AI已被用于生物制药领域的蛋白质发现和预测工作，预示着AI在药物发现和生物治疗过程中的巨大潜力。

*风险提示：基金有风险，投资需谨慎。投资人应当认真阅读《基金合同》、《招募说明书》、《产品资料概要》等基金法律文件，了解基金的风险收益特征及其特有风险，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。基金管理人不保证基金一定盈利，也不保证最低收益或本金不受损失。基金过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成本基金业绩表现的保证。